何俊林，路 青，徐 昕，胡曙東

1. 江蘇大學(xué)醫(yī)學(xué)院，鎮(zhèn)江 212013；2. 上海市金山區(qū)亭林醫(yī)院放射科，上海 201505；3. 上海交通大學(xué)醫(yī)學(xué)院附屬仁濟(jì)醫(yī)院放射科，上海200127；4.上海市皓樺科技股份有限公司，上海 200010；5.江南大學(xué)附屬醫(yī)院放射科，無錫 214062

近年來，甲狀腺癌（thyroid carcinoma，TC）的發(fā)病率呈明顯的上升趨勢(shì)［1］。甲狀腺乳頭狀癌（papillary thyroid carcinoma，PTC）是其中最常見的組織學(xué)類型，占TC的90%以上［2］。大多數(shù)PTC生長(zhǎng)緩慢且患者預(yù)后良好，治療后復(fù)發(fā)或死亡的病例占總數(shù)的1.4%～13.3%［3］。頸部淋巴結(jié)轉(zhuǎn)移（cervical lymph node metastasis，CLNM）被認(rèn)為是PTC 患者局部復(fù)發(fā)和總體生存率降低的重要因素［4］。研究［5-6］表明PTC 有較高的頸部淋巴結(jié)轉(zhuǎn)移率，為40%～70%。臨床上外科預(yù)防性頸部淋巴結(jié)清掃易導(dǎo)致感染、神經(jīng)損傷及甲狀旁腺功能減退等并發(fā)癥。因此，術(shù)前明確PTC 患者頸部淋巴結(jié)狀態(tài)對(duì)于指導(dǎo)治療和判斷預(yù)后有重要意義。然而，臨床醫(yī)師的主觀影像診斷對(duì)CLNM 的敏感度不高或差異較大，如超聲（ultrasound，US）的敏感度為63%［7］，CT 的敏感度為62%［8］， 磁共振成像（magnetic resonance imaging，MRI）敏感度為33%～95%［9-10］。由于正電子發(fā)射體層成像的空間分辨力低［11］，小的轉(zhuǎn)移淋巴結(jié)難以被發(fā)現(xiàn)。雖然細(xì)針穿刺活檢是確認(rèn)淋巴結(jié)轉(zhuǎn)移最準(zhǔn)確的方法，但臨床上不可能對(duì)每個(gè)區(qū)域的淋巴結(jié)進(jìn)行穿刺，因此易發(fā)生漏診［12］。

影像組學(xué)通過計(jì)算機(jī)高通量抽取影像資料中的高維特征，量化分析這些特征與病變的相關(guān)性，并可通過機(jī)器學(xué)習(xí)建立預(yù)測(cè)模型，用于診斷和預(yù)測(cè)預(yù)后和療效［13］，彌補(bǔ)了傳統(tǒng)影像診斷依靠人眼識(shí)別征象和經(jīng)驗(yàn)判斷的不足。而CT 圖像的甲狀腺病變影像組學(xué)分析，不但彌補(bǔ)了US 對(duì)甲狀腺病變顯示的諸多局限（如鈣化病灶顯示差、胸內(nèi)甲狀腺顯示困難、操作者依賴性強(qiáng)、圖像重復(fù)性差等），還可提供多個(gè)掃描期相的圖像，如平掃期、增強(qiáng)動(dòng)脈期和靜脈期。本研究探索PTC 多期CT 圖像的影像組學(xué)特征在預(yù)測(cè)CLNM 中的價(jià)值，以期為臨床診斷及治療提供參考。

1 對(duì)象與方法

1.1 研究對(duì)象及其資料收集

選擇2017 年1 月—2020 年6 月在上海市金山區(qū)亭林醫(yī)院行甲狀腺外科治療的197 例PTC 患者，收集其臨床資料。納入標(biāo)準(zhǔn)：①經(jīng)過甲狀腺全切除或次全切除，或者單側(cè)切除+頸部淋巴結(jié)清掃。②術(shù)后病理學(xué)檢查證實(shí)為PTC。③術(shù)前2 周內(nèi)在醫(yī)院行CT 掃描（平掃+動(dòng)脈期+靜脈期）。④術(shù)前未經(jīng)任何與PTC 相關(guān)的治療。⑤PTC為單發(fā)結(jié)節(jié)，或多發(fā)結(jié)節(jié)中病理學(xué)檢查證實(shí)為單發(fā)PTC，其余結(jié)節(jié)為良性。排除標(biāo)準(zhǔn)：①CT 圖像中的PTC長(zhǎng)徑＜5 mm。②因人為因素或其他非病變本身原因造成的圖像模糊。③多發(fā)結(jié)節(jié)中，PTC 無法確定為唯一。④同時(shí)患有其他惡性腫瘤。研究獲得醫(yī)院倫理委員會(huì)批準(zhǔn)［倫理批號(hào)為倫研批第（2020-77）號(hào)］。所有患者均簽署知情同意書。

1.2 CT掃描

所有患者的甲狀腺CT 平掃及增強(qiáng)掃描均在BrightSpeed 16 排螺旋CT 機(jī)（GE，美國(guó)）上完成。掃描時(shí)患者采用仰臥位，頸部盡量仰伸，兩肩盡量下垂。掃描范圍從咽部至鎖骨上緣。掃描參數(shù)：管電壓120 kV、自動(dòng)管電流、螺距0.938、矩陣512×512、掃描層厚5 mm、層間距5 mm。首先進(jìn)行平掃，其次進(jìn)行動(dòng)脈期與靜脈期掃描，分別在注射對(duì)比劑后的25 s與50 s掃描。對(duì)比劑為碘海醇注射液（35 g/100 mL，揚(yáng)子江藥業(yè)集團(tuán)有限公司），經(jīng)高壓注射器肘部靜脈團(tuán)注，劑量1.5 mL/kg，注射速率3 mL/s。掃描結(jié)束后，所有圖像均進(jìn)行1.0 mm薄層重建，重建間距1.0 mm，采用標(biāo)準(zhǔn)重建算法（standard deviation，STD）進(jìn)行。

1.3 影像組學(xué)分析

1.3.1 圖像處理 由1 名高年資頭頸部腫瘤診斷醫(yī)師（觀察者1）對(duì)197 例PTC 患者的3 期CT 圖像進(jìn)行觀察，剔除存在偽影干擾的圖像，篩選出512 幀CT 圖像（193幀平掃期、131 幀動(dòng)脈期、188 幀靜脈期），具有全部3 期CT 圖像的患者為124 例，其CT 圖像數(shù)占總數(shù)的72.6%。選取512 幀CT 圖像中顯示PTC 病灶最大長(zhǎng)徑的層面用于影像組學(xué)分析。再由觀察者1和另一名高年資頭頸部腫瘤診斷醫(yī)師（觀察者2）共同閱讀124例患者的372幀CT圖像，觀察PTC 的位置、大小、形態(tài)、鈣化情況、增強(qiáng)后邊界、甲狀腺包膜侵犯和周圍組織侵犯等征象（以下稱為影像征象）。

1.3.2 圖像提取 觀察者1 對(duì)選取的512 幀CT 圖像運(yùn)用ITK-SNAP 軟件（www. itksnap. org） 圈選感興趣區(qū)（region of interest，ROI）并分割提?。▓D1）。圈選時(shí)ROI 盡量覆蓋整個(gè)瘤體，避免周圍正常甲狀腺組織被納入，記錄病灶的位置并測(cè)量其最大長(zhǎng)徑。為了評(píng)估ROI圈選的可重復(fù)性，在圈選結(jié)束2 周后，隨機(jī)選擇20 幀已圈選過的CT 圖像，由2 位觀察者再次圈選。評(píng)價(jià)觀察者1 前后2 次圈選的ROI 及2 位觀察者分別圈選的ROI 是否具有一致性，評(píng)價(jià)標(biāo)準(zhǔn)為組內(nèi)相關(guān)系數(shù)（intra-class correlation coefficient，ICC）。

圖1 PTC的ROI圈選示意Fig1 Demonstration of segmentation to ROI of PTC

1.3.3 特征提取 使用Python 中開源的Pyradiomics 軟件包對(duì)512 幀CT 圖像中分割的病灶ROI（CT 數(shù)據(jù)）進(jìn)行特征提取。每個(gè)ROI 提取107 個(gè)影像組學(xué)特征，由Pyradiomics 軟件包自動(dòng)計(jì)算得出［14］，包括一階特征、基于形狀的特征和二階特征。一階特征為基于單一像素或體素的特征；基于形狀的特征主要為腫瘤的大小和形狀，包括最大3D 長(zhǎng)徑等；二階特征又稱紋理特征，主要包括灰度共生矩陣（gray level co-occurrence matrix，GLCM）、灰度游程矩陣（gray level run length matrix，GLRLM）、灰度大小區(qū)域矩陣（gray level size zone matrix，GLSZM）灰度相關(guān)矩陣（gray level dependence matrix，GLDM），以及鄰域灰度調(diào)差矩陣（neighboring gray tone difference matrix，NGTDM）等。

1.3.4 特征選擇 為避免模型的過擬合以及噪聲對(duì)模型表現(xiàn)的影響，采用Python 中SelectKBest 開源軟件對(duì)提取的107個(gè)影像組學(xué)特征進(jìn)行特征選擇，以獲取預(yù)測(cè)CLNM的最佳影像組學(xué)特征。SelectKBest法計(jì)算107個(gè)特征中表現(xiàn)最佳的k個(gè)特征，進(jìn)行分類構(gòu)建模型的受試者操作特征曲線（receiver operator characteristic curve，ROC curve）的曲線下面積（area under the curve，AUC）為評(píng)價(jià)標(biāo)準(zhǔn)，最高AUC對(duì)應(yīng)的k個(gè)特征組合稱為top（k）。

1.3.5 分類模型參數(shù)選擇 使用Python 中開源的GridSearchCV 軟件，設(shè)置交叉驗(yàn)證值為5 折，對(duì)512 幀圖像的CT 數(shù)據(jù)進(jìn)行隨機(jī)劃分（訓(xùn)練集∶測(cè)試集=4∶1）；根據(jù)有無CLNM，用提取的107 個(gè)影像組學(xué)特征為分類模型RandomForestClassifier 中幾個(gè)重要參數(shù)選擇最佳參數(shù)值。參數(shù)及其取值范圍設(shè)置為'max_depth':（10，20…100），'max_features':（'sqrt' or "auto"），'min_samples_leaf ':（1，2…10），'n_estimators':（10，20…100）。結(jié)果發(fā)現(xiàn)參數(shù)為｛'max_depth':60，'max_features':'sqrt'，'min_samples_leaf':8，'n_estimators'：20｝時(shí)，模型在測(cè)試集上的AUC 最高，為0.683。這些參數(shù)及相應(yīng)的取值用于后續(xù)分類模型的構(gòu)建。

1.3.6 模型構(gòu)建 對(duì)124 例PTC 患者的平掃期、動(dòng)脈期和靜脈期的CT 數(shù)據(jù)分別按訓(xùn)練集∶測(cè)試集=9∶1 隨機(jī)劃分，使用最佳分類模型參數(shù)｛'max_depth':60，'max_features':'sqrt'，'min_samples_leaf ':8，'n_estimators':20｝和SelectKBest 算法獲得的top（k），根據(jù)頸部淋巴結(jié)有無轉(zhuǎn)移構(gòu)建3 期的隨機(jī)森林（random forest，RF）分類模型，并進(jìn)行10 折交叉驗(yàn)證，獲取每期107 個(gè)模型的10 折ROC曲線及相應(yīng)模型的top（k）值。模型優(yōu)劣的評(píng)價(jià)指標(biāo)為10折ROC 曲線的平均AUC 和準(zhǔn)確度。

1.4 統(tǒng)計(jì)學(xué)方法

使用Python 中的開源軟件包進(jìn)行影像組學(xué)研究，采用SPSS 19.0 軟件進(jìn)行統(tǒng)計(jì)分析。符合正態(tài)分布的定量資料用±s表示，檢驗(yàn)方法為t檢驗(yàn)；定性資料用頻數(shù)（百分率）表示，檢驗(yàn)方法為Pearsonχ2檢驗(yàn)或Fisher 精確檢驗(yàn)。所有的統(tǒng)計(jì)檢驗(yàn)均為雙側(cè)檢驗(yàn)，P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。ICC＞0.75表示ROI圈選有較好的可靠性［15］。

2 結(jié)果

2.1 PTC患者的臨床基線分析

124 例PTC 患者中，年齡為21～79 歲，平均年齡為（50.3±13.4）歲。無CLNM 69 例，有CLNM 55 例，CLNM的發(fā)生率為44.4%。PTC的最大長(zhǎng)徑范圍為0.50～4.00 cm，平均最大長(zhǎng)徑為［（0.998±0.567）］cm。甲狀腺周圍侵犯（P=0.004）、甲狀腺包膜侵犯（P=0.025）以及年齡≥50 歲（P=0.044）的組間差異具有統(tǒng)計(jì)學(xué)意義（表1）。

表1 PTC患者的基線及臨床特征（N=124）Tab1 Baseline and clinical information of PTC patients（N=124）

2.2 影像組學(xué)結(jié)果

平掃期、動(dòng)脈期和靜脈期的CT 圖像預(yù)測(cè)CLNM 的RF 分類模型中，最大平均AUC 對(duì)應(yīng)的10 折交叉驗(yàn)證的ROC 曲線分別見圖2。平掃期107 個(gè)模型中當(dāng)top（k）為56 時(shí)，分類模型預(yù)測(cè)CLNM 的平均AUC 達(dá)到最大值（0.843），準(zhǔn)確度0.767；動(dòng)脈期107 個(gè)模型中當(dāng)top（k）為94 時(shí)，分類模型預(yù)測(cè)CLNM 的平均AUC 達(dá)到了最大值（0.775），準(zhǔn)確度0.695；靜脈期107 個(gè)模型中當(dāng)top（k）為47 時(shí)，分類模型預(yù)測(cè)CLNM 的平均AUC 達(dá)到了最大值（0.783），準(zhǔn)確度0.726（表2）。比較3 期的分類模型獲得的107 個(gè)平均AUC，平掃期圖像特征預(yù)測(cè)CLNM 獲得的AUC 明顯高于動(dòng)脈期（P=0.000）與靜脈期（P=0.000），而動(dòng)脈期與靜脈期間差異無統(tǒng)計(jì)學(xué)意義（圖3）。

圖2 PTC患者的平掃期（A）、動(dòng)脈期（B）、靜脈期（C）的RF分類模型中最大平均AUC的10折ROC曲線Fig 2 10-fold ROC curve of the maximum AUC in RF classification models of the pre-contrast phase(A),arterial phase(B)and venous phase(C)of patients with PTC

表2 PTC患者CT平掃期、動(dòng)脈期、靜脈期RF分類模型10折交叉驗(yàn)證的結(jié)果Tab 2 Results of 10-fold cross-validation of RF classification model in pre-contrast phase，arterial phase and venous phase of patients with PTC

2.3 影像組學(xué)特征分析

在124 例患者平掃期、動(dòng)脈期和靜脈期3 個(gè)期相的影像組學(xué)特征中，預(yù)測(cè)性能最佳的前10 位特征見表3，表現(xiàn)最好的特征多數(shù)為紋理特征，分別屬于GLCM、GLRLM、GLSZM、GLDM、NGTDM等。

表3 PTC患者平掃期、動(dòng)脈期和靜脈期RF分類模型中預(yù)測(cè)性能最佳的10個(gè)影像組學(xué)特征（N=124）Tab 3 Top 10 radiomic features in RF classification model of pre-contrast，arterial and venous phase of PTC patients（N=124）

2.4 影像征象分析

基于邏輯回歸（logistics regression，LR）算法的影像征象中的危險(xiǎn)因素（年齡≥50歲，甲狀腺周圍侵犯和甲狀腺包膜侵犯）建立模型的ROC 曲線，結(jié)果顯示AUC 為0.629，而平掃期影像組學(xué)特征LR 模型AUC 為0.718（P=0.011，圖4A）；聯(lián)合平掃期影像組學(xué)特征、影像征象及臨床因素（≥50 歲）構(gòu)建的模型具有更好的預(yù)測(cè)能力（P=0.009，圖4B）。

圖4 PTC患者的影像組學(xué)特征、聯(lián)合特征與影像征象的預(yù)測(cè)價(jià)值比較的ROC曲線Fig 4 ROC curve for comparison of predictive value of imaging omics,associative features and imaging signs of PTC patients

3 討論

臨床上對(duì)于PTC 患者的外科治療，是否必須行預(yù)防性頸部淋巴結(jié)清掃一直存在爭(zhēng)議［16］。頸部淋巴結(jié)的盲目清掃不僅增加了治療成本，也增加了術(shù)后感染及神經(jīng)損傷等風(fēng)險(xiǎn)?；趥鹘y(tǒng)診斷模式下的US、CT、MRI術(shù)前探查CLNM 的敏感性不高，無法滿足臨床上術(shù)前治療決策的需要。多項(xiàng)研究［17-18］表明，基于PTC 原發(fā)灶的影像組學(xué)特征可以預(yù)測(cè)CLNM。

研究PTC的CT影像組學(xué)特征對(duì)于CLNM 預(yù)測(cè)價(jià)值的文獻(xiàn)不多。Lu 等［17］用支持向量機(jī)算法研究了221 例PTC患者的CT平掃期和靜脈期的影像組學(xué)特征對(duì)于CLNM 的預(yù)測(cè)，取得了較好的結(jié)果（AUC=0.759）。本研究基于RF算法研究了PTC 的CT 增強(qiáng)多期掃描，發(fā)現(xiàn)平掃期、動(dòng)脈期和靜脈期圖像的影像組學(xué)特征都可以預(yù)測(cè)CLNM；進(jìn)一步比較發(fā)現(xiàn)，平掃期影像組學(xué)特征的預(yù)測(cè)性能明顯優(yōu)于動(dòng)脈期和靜脈期。

腫瘤的異質(zhì)性是惡性腫瘤的重要特征，直接影響腫瘤的生長(zhǎng)速度、侵襲能力、對(duì)藥物的敏感性以及預(yù)后［19］。腫瘤異質(zhì)性很難通過單一的方法進(jìn)行描述，但可通過影像組學(xué)紋理分析進(jìn)行量化研究［20］。圖像紋理分析通過定量提取肉眼無法識(shí)別的反映灰度值分布模式及變化規(guī)律的紋理特征，反映腫瘤內(nèi)潛在的異質(zhì)性［21］。紋理特征最常用來評(píng)價(jià)腫瘤的異質(zhì)性［22］。某些特定結(jié)構(gòu)的PTC 亞型易發(fā)生CLNM 是由腫瘤內(nèi)分子間異質(zhì)性或成分異質(zhì)性決定的，這些異質(zhì)性決定了腫瘤內(nèi)的灰度分布和構(gòu)成，這也解釋了雖然通過碘劑增強(qiáng)檢查增加了腫瘤在血流動(dòng)力學(xué)方面的差異，這些差異可能會(huì)影響腫瘤的分期或其他生物學(xué)行為如甲狀腺外侵犯等評(píng)價(jià)，但同時(shí)也改變了腫瘤內(nèi)原有的紋理分布，進(jìn)而影響了模型預(yù)測(cè)CLNM 的能力。

為了保證數(shù)據(jù)的可比性，在模型構(gòu)建時(shí)只使用了含有全部3 期的124 位患者的CT 數(shù)據(jù)。但在選擇模型最佳參數(shù)時(shí)，考慮到樣本數(shù)量較少，我們采用全部197例患者的512 幀圖像的CT 數(shù)據(jù)。應(yīng)用交叉驗(yàn)證法評(píng)估模型泛化能力最關(guān)鍵的因素是選擇劃分訓(xùn)練集和測(cè)試集的比例，K折交叉驗(yàn)證法可以使用數(shù)據(jù)集中的所有樣本進(jìn)行預(yù)測(cè)，通過平均的評(píng)價(jià)指標(biāo)來降低奇異的訓(xùn)練集和測(cè)試集劃分方式對(duì)預(yù)測(cè)結(jié)果的影響。研究［23-24］表明，K 值的選取對(duì)最終結(jié)果也有一定的影響，K 值越大，評(píng)估的準(zhǔn)確性越高；而當(dāng)K 為5 或10 時(shí)，評(píng)估在準(zhǔn)確性和計(jì)算復(fù)雜性下綜合性能最優(yōu)。因此，本研究在選擇最佳模型參數(shù)時(shí)，采用了5 折交叉驗(yàn)證法，在構(gòu)建RF 分類模型時(shí)采用了10折交叉驗(yàn)證法。

我們還比較了影像組學(xué)特征與醫(yī)師主觀診斷的影像征象的預(yù)測(cè)價(jià)值，結(jié)果顯示平掃期影像組學(xué)特征優(yōu)于影像征象構(gòu)建的模型；聯(lián)合平掃期影像組學(xué)特征、影像征象以及臨床因素（≥50 歲）構(gòu)建的模型具有更好的預(yù)測(cè)能力。

本研究的局限性在于：①人工圈選的ROI 腫瘤區(qū)域不可避免會(huì)存在偏差。②樣本量較少，可能會(huì)引起模型的過擬合［25-26］。③單中心研究的所有樣本來自同一批次，缺少外部驗(yàn)證，模型泛化能力弱。④PTC 原發(fā)灶與CLNM 之間的映射關(guān)系只是基于統(tǒng)計(jì)學(xué)的假設(shè)，并非明確的一一對(duì)應(yīng)關(guān)系。⑤直徑＜5 mm 的腫瘤被排除，研究的樣本缺乏全面性。